SlipSense 触觉研究:23.1ms 检测机械打滑,可零样本跨平台迁移

micoolcho · x · 2026-10-16

RoboPapers 预告了对 Analog Devices Dexterous AI Group 团队的访谈,核心是其触觉研究 SlipSense 与 Touch2Trace。SlipSense 基于 TacV5 紧凑传感器,融合 32×32 压阻阵列(240 Hz)与 3 轴 MEMS 加速度计(8 kHz),通过模态特定编码、传感器内融合与跨模态注意力在 240 Hz 下做帧级打滑预测。在覆盖 37 个物体、140 万帧的数据集上,取得 96.7% Macro F1(误报率低于 1.6%),76% 的打滑在 23.1ms 内检出;且仅在 UMI 夹爪上训练即可零样本迁移到 Tesollo 灵巧手,无需重训练。同期还涉及触觉驱动的线缆追踪模仿学习 Touch2Trace。